基于Agent的谈判模型研究

自动谈判是目前人们研究的一个热点问题,在对卖方进行的多并发谈判研究的基础上,本文提出了一种基于Agent技术的自动谈判模型,使得模型能管理一个卖方同时进行的多个双边谈判事务.     

拍卖与谈判理论研究

研究了在拍卖与谈判之间选择一个可以使出售人收益最大的方式,结果显示：在一系列合理假设的前提下,通过比较边际收益的期望值发现,拍卖比谈判更有利可图,其政策含义是：当企业经理被允许出售其公司时,因为设计最优拍卖机制所需要的信息是巨大的,有些信息甚至无法获得,他们不应当将其资源用于收集信息,以设计出最优机制,而应将其资源用于扩大拍卖市场．     

一种基于Agent推理的自动谈判方法研究

以Agent代替人实现自动协商,将大大提高远程谈判的效率．提出基于Agent推理的自动谈判方法和基于最近邻匹配的案例推理工作流程,开发出能够实现自动谈判的一个原型系统,在很大程度上实现了谈判的智能化和自动化,为谈判支持系统的开发提供了新的思路．     

基于贝叶斯学习的Agent谈判策略构造研究

提出了一个在电子商务中辅助用户进行谈判的智能Agent谈判模型，并在模型中引入了贝叶斯学习方法，使得Agent在谈判过程中能更好地调整谈判策略，提高谈判效率．     

基于有效议价区间的谈判协调模型及求解

为减弱谈判支持系统中协调模型对谈判者偏好信息汇报的依赖性,提出了以有效议价区间判断为前提的谈判协调机制与协调策略。为了证明所提出算法模型的有效性,设计了不同偏好结构下的谈判案例进行计算,并将计算结果与已有协调方案计算模型进行对比分析,证实了基于有效议价区间的谈判协调模型及相应遗传算法求解策略在不同偏好结构下的有效性。所设计模型计算法可提高现有谈判支持系统的协调机制和协调方案求解模型的实用价值。     

基于Agent的自动协商问题研究

文章总结了基于Agent的自动协商的研究现状,对协商中涉及到的并分析了已有的建立自动协商模型的方法的优点与不足,最后提出了今后自动协商研究应该重点关注的方向.     

基于遗传算法的自动组卷算法的研究

本文针对自动组卷问题是多目标优化问题,提出了基于遗传算法的自动组卷算法,并根据自动组卷和用户的需要对遗传算法进行了改进,并通过实验验证了基于遗传算法的自动组卷算法的性能。     

基于运输规划和组合GA的基本物流网络设计

为了探索动态规划求解多阶段物流网络设计方法,提出了基本物流网络模型和基本决策问题,并利用运输规划和组合遗传算法开展了研究。结果表明:利用运输规划求解小规模问题具有灵活、有效的特点,组合遗传算法随着规模的增大精度和效率提高。证明可以此为基础,进一步利用动态规划研究多阶段物流网络设计问题。同时研究了物流费用的规模经济问题,给出了仓储费用和运输费用的非线性计算公式,并成功应用到多阶段物流网络设计中。     

基于遗传算法的Web信息自动标引研究

W eb信息自动标引系统或搜索引擎的索引库的建立大多采用加权词频统计法,但引源的权值较难确定。为得出科学的加权方案,从标引词应反映文档主题内容这一原则出发,对标引源的权值设置提出了一种改进方案,基于遗传算法对W eb信息自动标引。此方案可以使标引源的权值设置根据标引内容动态调整,有效地提高标引源权值设置的合理性、准确性,自动标引结果的人机相符率可达到87.9%,具有较强的实用性。     

遗传算法的特点及应用领域研究

遗传算法是一种基于概率意义的随机搜索算法,它的思想是构造一个问题的解的初代种群,经过选择,交叉和变异产生新的最优解集种群。遗传算法的特点具有自组织、自适应和自学习性,遗传算法提供了一种求解复杂系统优化问题的通用框架,在工程设计、演化硬件电路设计以及人工智能等方面应用前景广阔。     

主体承诺中的不确定性分析与协商模型

在多主体合作时，承诺发挥着中心作用；然而在动态环境中，主体的承诺往往带有不确定性。如果主体在做计划时能够事先考虑到这些不确定性，那么将可以大大提高主体合作执行任务的效率。本文提出一些承诺中的不确定性，并采用模糊理论的方法表示和解决这些不确定。解决了在动态环境下难以给出精确数学模型的困扰；并且设计了一个主体协商模型来减少承诺的不确定性。     

一种电子商务中基于混合遗传算法的多边多议题协商

为了提高基于智能体电子商务多边多议题合作协商中的协商效率,提出将混合遗传算法(HGA)应用于该协商中. 对4种遗传算法分别进行1000次的实验对比,结果表明,要达到同样协商最优解,标准遗传算法(SGA)平均需要185次协商,基于Metropolis准则遗传算法(MGA)平均需要176次,自适应遗传算法(AGA)平均需要169次,而混合遗传算法(HGA)平均仅需要153次. 求解多边多议题合作协商问题中,HGA可以使得协商当中的agent高效达到最优解.     

基于约束的智能主体及其在自动协商中的应用

把Agent技术、ECA(Event Condition Action)规则和约束满足问题相结合,提出了一种基于约束的BDI(Belief-Desire-Intension)结构Agent.首先给出了协商问题的形式化描述,而后形式化定义CBDI-Agent(Constraint based BDI-Agent)的结构.基于该结构,提出了一个自动协商协议.最后给出了一个应用实例.     

网格下基于并行混合GA的复杂函数优化算法

为了解决传统单一GA在解决复杂函数优化时容易陷入局部最优的问题,文中结合模拟退火和网格服务的思想提出了网格下基于并行混合GA的复杂函数优化算法CDOPHGA-Grid。通过比较仿真试验表明:CDOPHGA-Grid算法的收敛速度随着网格节点个数的增加而增加;在相同情况下,CDOPHGA-Grid算法比传统单一的GA的收敛速度提高了约60倍。     

一种竞争环境下基于改进遗传算法的电子商务协商

 为了提高竞争环境下基于智能体电子商务双边多议题协商当中agent协商的效率,提出了一种竞争环境下agent的协商模型,并且将改进的遗传算法IGA应用于这种模型当中,来提高模型中agent协商的效率。在相同实验条件下,分别对四种遗传算法各进行了1000次的实验,结果表明同样达到协商满意解的时候,标准遗传算法SGA平均需要360次协商,基于Metropolis准则的遗传算法MGA平均需要230次协商,自适应遗传算法AGA平均需要207次协商,而IGA平均仅需要151次协商。这个结果说明,在求解竞争环境下双边多议题协商问题的时候,改进的遗传算法IGA可以使得协商当中的agent高效达到协商的满意解。     

排课的遗传算法

把遗传算法应用在排课问题中。主要适用于具有均匀排课要求的排课问题，得到排课最优解。随机产生的可行解自然具有均匀性，而适当选取遗传算法的迭代参数，能加快获得最优解或近似最优解的收敛速度。